这是我参与「第四届青训营 」笔记创作活动的的第1天
在学习流计算之前，我们首先要弄懂什么是流计算？
流计算：实时获取来自不同数据源的海量数据，经过实时分析处理，获得有价值的信息。
数据的特点在于其实时性越高，数据价值也就越高。这也就是流计算前景广泛的原因。
但是实时的数据是永不停止的，我们不能获取所有数据并得出一个结果，而且大部分情况下我们也不需要获取所有的数据，更关心的是最近的状态，于是我们可以将数据流切分成一个一个小片段，称其为计算窗口，也就是windowing。比如获取最近几分钟或者最近几百条信息，然后在每个窗口基础上进行统计。windowing也就是将无边界的实时数据流划分为计算窗口的统计手段。
window包含：
1.滚动窗口（Tumble Window）：每条数据只属于一个窗口，窗口不会重合。
2.滑动窗口(Sliding Window)：每条数据可能会属于多个窗口，窗口包含重合部分，紧挨着的滑动窗口就是滚动窗口。
3.会话窗口(Session Window)：窗口可以合并，会话窗口通过session活动来对元素进行分组，会话窗口跟滚动窗口和滑动窗口相比，没有窗口重叠，没有固定窗口大小。相反，当它在一个固定的时间周期内不再收到元素，即会话断开，那这个窗口就会关闭。
不是所有数据都会被正常分配，这里就涉及迟到数据的概念：一个迟到元素是指元素到达窗口算子时，该元素本该被分配到某个窗口，但由于延迟，窗口已经触发计算。目前flink有三种处理迟到数据方式：
- 直接将迟到数据丢弃
- 将迟到数据发送到另一个流
- 重新执行一次计算，将迟到数据考虑进来，更新计算结果
